Description du cours
Dans ce cours, vous apprendrez à écrire des modèles d’apprentissage automatique distribués qui évoluent dans Tensorflow 2.x, à effectuer l’ingénierie des features avec BQML et Keras, à évaluer les courbes de perte et à effectuer le réglage d’hyperparamètres, et à former des modèles à grande échelle avec Cloud AI Platform.
A l’issu de cette formation vous saurez répondre aux questions théoriques et pratiques liées au Machine Learning sur Google Cloud, incluant:
- Qu’est-ce que l’apprentissage automatique et quels types de problèmes peut-il résoudre ?
- Pourquoi les réseaux de neurones sont-ils si populaires en ce moment ?
- Comment pouvez-vous améliorer la qualité des données et effectuer une analyse exploratoire des données ?
- Comment mettre en place un problème d’apprentissage supervisé et trouver une bonne solution généralisable en utilisant la descente de gradient ?
Objectifs pédagogiques
Ce cours permet aux participants d'acquérir les compétences suivantes:
- Présenter un cas d’utilisation commercial comme un problème d’apprentissage automatique.
- Décrire comment améliorer la qualité des données.
- Effectuer une analyse exploratoire des données.
- Construire et former des modèles d’apprentissage supervisé.
- Optimiser et évaluer les modèles à l’aide des fonctions de perte et des mesures de performance.
- Créer des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.
- Implémenter des modèles d’apprentissage automatique à l’aide de Keras et de TensorFlow 2.x.
- Comprendre l’impact des paramètres de descente de gradient sur la précision, la vitesse d’entraînement, la rareté et la généralisation.
- Représenter et transformer des entités.
- Entraînez des modèles à grande échelle avec AI Platform.
Prérequis
Pour tirer le meilleur parti de ce cours, les participants doivent disposer des éléments suivants:
- Une certaine familiarité avec les concepts de base de l’apprentissage automatique.
- Maîtrise de base d’un langage de script - Python de préférence.
Public cible
Ce cours est destiné aux participants suivants:
- Machine learning engineers
- Scientifiques du machine learning, data scientists et data analysts qui souhaitent être exposés à l’apprentissage automatique dans le cloud à l’aide de TensorFlow 2.x et Keras.
- Data Engineers
Programme de formation
Module 1: Comment Google effectue le machine learning
- Développez une stratégie de données autour du machine learning.
- Examinez les cas d’utilisation qui sont ensuite réinventés à travers une approche ML.
- Reconnaissez les biais que le ML peut amplifier.
- Tirez parti des outils et de l’environnement de Google Cloud Platform pour faire du ML.
- Apprenez de l’expérience de Google pour éviter les pièges courants.
- Effectuez des tâches de science des données dans des blocs-notes collaboratifs en ligne.
- Appelez des modèles de ML pré-entraînés à partir de Cloud AI Platform.
Module 2: Se lancer dans le Machine Learning
- Décrivez comment améliorer la qualité des données.
- Effectuer une analyse exploratoire des données.
- Construire et former des modèles d’apprentissage supervisé.
- Optimisez et évaluez les modèles à l’aide des fonctions de perte et des mesures de performance.
- Atténuez les problèmes courants qui surviennent dans l’apprentissage automatique.
- Créez des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.
Module 3: Introduction à TensorFlow 2.x
- Créez des modèles d’apprentissage automatique TensorFlow 2.x et Keras.
- Décrivez les composants clés de Tensorflow 2.x.
- Utilisez la bibliothèque tf.data pour manipuler des données et de grands ensembles de données.
- Utilisez les API séquentielles et fonctionnelles Keras pour créer des modèles simples et avancés.
- Former, déployer et produire des modèles de ML à grande échelle avec Cloud AI Platform.
Module 4: Ingénierie des features
- Comparez les principaux aspects requis d’une bonne feature.
- Combinez et créez de nouvelles combinaisons de features grâce à des croisements de features.
- Effectuez l’ingénierie des features à l’aide de BQML, Keras et TensorFlow 2.x.
- Découvrez comment prétraiter et explorer les features avec Cloud Dataflow et Cloud Dataprep.
- Comprenez et appliquez comment TensorFlow transforme les features.
Module 5: Art et science de l’apprentissage automatique
- Optimisez les performances du modèle avec le réglage des hyperparamètres.
- Expérimentez avec les réseaux de neurones et affinez les performances.
- Améliorez les fonctionnalités du modèle ML avec des couches incorporées.
S'inscrire à ce cours
Continuez de vous former
GCP200DE
Data Engineering on Google Cloud Platform
Ce cours de quatre jours dirigé par un instructeur offre aux participants une introduction pratique à la conception et à la création de systèmes de traitement des données sur Google Cloud Platform. Grâce à une combinaison de présentations, de démonstrations et de travaux pratiques, les participants apprendront à concevoir des systèmes de traitement des données, à construire des pipelines de données de bout en bout, à analyser les données et à effectuer un apprentissage automatique. Le cours couvre les données structurées, non structurées et en streaming.
GCP200DA
From Data to Insights with Google Cloud Platform
Vous voulez savoir comment interroger et traiter des pétaoctets de données en quelques secondes ? Vous souhaitez en savoir plus sur l'analyse des données qui évolue automatiquement à mesure que vos données augmentent ? Bienvenue dans le cours Data Insights !
Cette spécialisation enseigne aux participants comment tirer des enseignements grâce à l'analyse et à la visualisation des données à l'aide de Google Cloud Platform. Les cours présentent des scénarios interactifs et des laboratoires pratiques où les participants explorent, extraient, chargent, visualisent et extraient des informations à partir de divers ensembles de données Google BigQuery.
Les cours couvrent également le chargement des données, l'interrogation, la modélisation de schéma, l'optimisation des performances, la tarification des requêtes et la visualisation des données.
GCP100B
Google Cloud Platform Big Data and Machine Learning Fundamentals
Ce cours d'une journée présente aux participants les capacités de Big Data et de Machine Learning de Google Cloud Platform (GCP). Il fournit un aperçu rapide de Google Cloud Platform et une vue plus approfondie des capacités de traitement des données.
PYDATA
Python pour la science des données
Ce cours de 3 jours apprend aux participants à programmer en Python pour la data science, depuis les bases du langage jusqu'aux librairies essentielles pour la data science.
A travers de nombreux exercices pratiques ils prendront en main les environnements de développement Python, la distribution Anaconda, l'environnement de travail collaboratif JupyterLab ainsi que les librairies Python majeures telles que NumPy, Pandas, Matplotlib, Seaborn et Scikit-Learn pour faire de la data science.